利用OpenCV的findContours作轮廓检测

女爷i 2022-09-22 14:54 252阅读 0赞

问： 边缘检测与轮廓检测有什么区别？

边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。 这些包括（i）深度上的不连续、（ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。  
轮廓提取是提取出想要得到的轮廓 轮廓可能是边缘的一部分

关于边缘检测的方法，前面已经有几篇博文介绍了，所以不多说了。这里说轮廓检测。

OpenCV中提供了函数findContours()用于对物体轮廓进行检测，该函数实现算法是由S.Suzuki K. Abe于1985年发表在CVGIP上的论文“Toplogical Structrual Analysis of Digitized Binary Images by Boder Following”中提出的，论文中详细叙述了轮廓决定层次结构的规则以及轮廓检测的方法，如果需要了解详细原理的可以参看这篇论文。下面介绍findContours函数的使用。

findContours函数的原型如下：

void findContours( InputOutputArray image, OutputArrayOfArrays contours,OutputArray hierarchy, int mode,int method, Point offset = Point());

官方解释如下：

image – Source, an 8-bit single-channel image. Non-zero pixels are treated as 1’s. Zero pixels remain 0’s, so the image is treated as binary . You can use compare() , inRange() , threshold() , adaptiveThreshold() , Canny() , and others to create a binary image out of a grayscale or color one. The function modifies the image while extracting the contours.   
contours – Detected contours. Each contour is stored as a vector of points.   
hiararchy – Optional output vector containing information about the image topology. It has as many elements as the number of contours. For each contour contours\[i\] , the elements hierarchy\[i\]\[0\] , hiearchy\[i\]\[1\] , hiearchy\[i\]\[2\] , and hiearchy\[i\]\[3\] are set to 0-based indices in contours of the next and previous contours at the same hierarchical level: the first child contour and the parent contour, respectively. If for a contour i there are no next, previous, parent, or nested contours, the corresponding elements of hierarchy\[i\] will be negative.

mode – Contour retrieval mode.  
CV\_RETR\_EXTERNAL retrieves only the extreme outer contours. It sets hierarchy\[i\]\[2\]=hierarchy\[i\]\[3\]=-1 for all the contours.   
CV\_RETR\_LIST retrieves all of the contours without establishing any hierarchical relationships.   
CV\_RETR\_CCOMP retrieves all of the contours and organizes them into a two-level hierarchy. At the top level, there are external boundaries of the components. At the second level, there are boundaries of the holes. If there is another contour inside a hole of a connected component, it is still put at the top level.   
CV\_RETR\_TREE retrieves all of the contours and reconstructs a full hierarchy of nested contours. This full hierarchy is built and shown in the OpenCV contours.c demo.

method – Contour approximation method.  
CV\_CHAIN\_APPROX\_NONE stores absolutely all the contour points. That is, any 2 subsequent points (x1,y1) and (x2,y2) of the contour will be either horizontal, vertical or diagonal neighbors, that is, max(abs(x1-x2),abs(y2-y1))==1.   
CV\_CHAIN\_APPROX\_SIMPLE compresses horizontal, vertical, and diagonal segments and leaves only their end points. For example, an up-right rectangular contour is encoded with 4 points.   
CV\_CHAIN\_APPROX\_TC89\_L1,CV\_CHAIN\_APPROX\_TC89\_KCOS applies one of the flavors of the Teh-Chin chain approximation algorithm. See \[TehChin89\] for details.

offset – Optional offset by which every contour point is shifted. This is useful if the contours are extracted from the image ROI and then they should be analyzed in the whole image context.

翻译如下：

image\-原图像，不过这个图像会被处理为二值图像，处理的方法是灰度为0的仍为0，不为0的按1对待。

contours\-检测到的轮廓，每个轮廓都是一个坐标点组成的向量。

hiararchy\-存储检测到的轮廓的拓扑结构信息。检测到的每个轮廓都对应一个拓扑结构信息。对于每个轮廓contours\[i\], hierarchy\[i\]\[0\] , hiearchy\[i\]\[1\] , hiearchy\[i\]\[2\] , and hiearchy\[i\]\[3\]分别表示前一个轮廓、后一个轮廓、子轮廓(嵌套轮廓)、父轮廓的拓扑结构索引，这个索引是从0开始计数的(0-based).如果一个轮廓，没有对应的前一个轮廓或后一个轮廓或子轮廓(嵌套轮廓)或父轮廓，那么索引为负值。

mode\-拓朴检测模式，有以下可选参数：

CV\_RETR\_EXTERNAL：只返回外轮廓。对应的就没有了内嵌轮廓和父轮廓了。  
CV\_RETR\_LIST：返回所有的轮廓。但是不建立轮廓的拓扑关系，所以hierarchical为空。  
CV\_RETR\_CCOMP：返回所有的轮廓，而且把这些轮廓分为两层拓扑结构。第一层，是所有物体的外边界。第二层，是所有洞(hole)的边界。如果洞(hole)中还有其它连通的物体，那么这个物体被划分到第一层中。  
CV\_RETR\_TREE：返回所有的轮廓，并且建立完整的拓扑结构，

method\-轮廓近似方法，有以下可远参数：

CV\_CHAIN\_APPROX\_NONE：存储所有的轮廓点。这种方法下，两个连续的轮廓点，满足max(abs(x1-x2),abs(y2-y1))==1.   
CV\_CHAIN\_APPROX\_SIMPLE：压缩掉轮廓的中间点。比如说一个矩形只需要知道四个端点即可。  
CV\_CHAIN\_APPROX\_TC89\_L1,CV\_CHAIN\_APPROX\_TC89\_KCOS：使用eh-Chin chain approximation 算法！

offset：这个参数用来设置轮廓中每个点的参数值。

下面上代码：

代码请访问博文[https://blog.csdn.net/lehuoziyuan/article/details/84138461][https_blog.csdn.net_lehuoziyuan_article_details_84138461] 获取

[https_blog.csdn.net_lehuoziyuan_article_details_84138461]: https://blog.csdn.net/lehuoziyuan/article/details/84138461